Du hast deinen AdBlocker an?

Es wäre ein Traum, wenn du ihn für t3n.de deaktivierst. Wir zeigen dir gerne, wie das geht. Und natürlich erklären wir dir auch, warum uns das so wichtig ist. Digitales High-five, deine t3n-Redaktion

Analyse

Künstliche Intelligenz in der Praxis: Personalisierte Websites bei Swisscom

(Foto: dpa)

Künstliche Intelligenz ist vor allem im digitalen Marketing derzeit in aller Munde. Doch wie sieht der Einsatz von KI in der Praxis aus – und bringt es tatsächlich mehr Erfolg?

Die Vorteile von Personalisierung kennt eigentlich jeder – beziehungsweise wie es aussieht, wenn sie versagt: Im Web erscheinen gerne Angebote zu Produkten, die man gerade gekauft hat und die nicht mehr interessieren. Gute Personalisierung zeigt hingegen dem Kunden, was er will und spricht mit dem Kunden so, wie er gerne angesprochen werden möchte. Klingt theoretisch gut, ist aber tatsächlich oft schwierig umzusetzen. Viele Unternehmen wissen nicht, wo sie mit der Personalisierung anfangen sollen, es ist schwierig, eine Strategie aufzusetzen und Erfolge zu messen. Doch der Mangel an Personalisierung kostet laut Zahlen von Accenture bares Geld: Pro Jahr sind es 2,5 Milliarden US-Dollar, die durch fehlende Personalisierung verloren gehen. So löschen zum Beispiel 41 Prozent der Kunden eine App, die sie nicht nützlich finden. Folge sind fehlende Buchungen und Einkäufe.

Auf dem Adobe Summit in Las Vegas stellte der Telekommunikations-Provider Swisscom seine Erfahrungen mit automatisierter Personalisierung der Website mit KI und Machine Learning vor. (Foto: t3n.de)

„Personalisierung ist längst nicht mehr optional, sie ist Pflicht“, betonte Jamie Brighton, Product and Industry Marketing, von Adobe. Demnach sollen Firmen, die Personalisierung einsetzen, die Kosten für Kundenakquise halbieren, den Umsatz um 15 Prozent und die Effizienz von Marketingbudgets um bis zu 30 Prozent steigern können. Als Antwort auf die Probleme schlägt Brighton Personalisierung durch Automation vor. Der Start wäre simpel: Marketer nutzen oft A/B-Tests, bei denen die Wirkung von Inhalten oder Gestaltungselementen ermittelt und verglichen werden. Mit künstlicher Intelligenz lassen sich A/B-Tests automatisieren.

Betatest im Live-Betrieb

Wie das in der Praxis aussieht, hat der Schweizer Telekommunikations-Anbieter Swisscom auf dem Adobe Summit der Fachpresse vorgestellt. Seit einem Jahr kam bei Swisscom, dem führenden Schweizer Telekommunikations-Anbieter mit 6,6 Millionen Mobilfunk-Kunden, eine Betaversion von Adobe Target in Adobe Experience Cloud auf der Homepage zum Einsatz. Adobe Target ist eine Optimierungslösung für Data-driven-Marketing. Die bei Swisscom als Betatest gelaufenen Funktionen sind seit dem Adobe Summit als neue Features in Target verfügbar. Sie zeigen, dass es nicht allein reicht, Daten für Marketing zur Verfügung zu haben, sondern es geht darum, auf Daten basierend die richtigen Entscheidungen zu treffen. Dabei können die künstliche Intelligenz und Machine Learning helfen.

„Wir sind nicht in einem Kundenerlebnis eingesperrt, sondern können heute oder morgen zu einem anderen wechseln“, berichtet Nicolas Mériel, Senior Digital Strategist bei Swisscom. „Die Funktion ‚Auto-Target‘ ist ein algorithmus-basierter A/B-Test. Wenn zum Beispiel ein roter Button besser performt als ein grüner, dann müssen wir nicht warten, bis der Test abgeschlossen ist. Wir können das Plus an Traffic zu dem bestehenden Traffic hinzufügen – im laufenden Test. Der Algorithmus kann alle 24 Stunden die Inhalte rekalibrieren und die Inhalte optimieren.“ Zudem kommt die Funktion „Auto-Allocate“ zum Einsatz, ein algorithmus-basierter Test, der auf fortgeschrittenen Traffic-Statistiken basiert. Er lenkt den Traffic zu den Kundenerfahrungen, die besser performen. Mit Auto-Target bekommt dann jeder Besucher ein personalisiertes Angebot.

Ergebnis laut Swisscom: Eine Steigerung um 40 Prozent bei der Click-Through-Rate. „Wir können verschiedene Metriken damit verbessern. Bei uns ist es gar nicht so wichtig, unbedingt mehr Mobilfunkgeräte zu verkaufen. Viel wichtiger ist es zum Beispiel, dass der Kunde häufig gestellte technische Fragen selbst lösen kann und so unser Callcenter entlastet“, so Nicolas Mériel. Die Erfolge brachte der „Always-on“-Test, der im Gegensatz zu klassischen Tests permanent laufen kann, kein festes Ende hat und im Livebetrieb auf die Testergebnisse reagieren kann. „Das spart auch viel Zeit. Sie müssen nicht immer einen Test laufen lassen, den Gewinner ermitteln, denken was jetzt zu tun ist. Das läuft jetzt wirklich automatisiert nach dem Prinzip ‚set and forget‘“, resümiert Mériel.

Skepsis gegenüber der Maschine

Nach den Erfahrungen von Mériel begegnet man mit dem Vorhaben, im Unternehmen KI einzusetzen, Befürwortern, aber auch viel Skepsis. Viele wollen erstmal abwarten, andere sind experimentierfreudig. „Wir mochten aber die Idee, denn diese Arbeit per Hand zu machen mögen wir nicht besonders“, so Mériel. Der Digitalstratege von Swisscom brauchte immerhin für das Experiment keinerlei Vorarbeit. „Wir dachten einfach ‚Werfen wir die Zahlen einfach in die Maschine und schauen was herauskommt.‘ Bis heute wissen wir nicht, wie es funktioniert, aber wir wissen, dass es funktioniert“, so Mériel.

Swisscom geht noch einen Schritt weiter setzt die KI-Engine Adobe Sensei auch für Empfehlungen ein. Damit können aus Hunderten, Tausenden oder Millionen Produkten, Videos, Artikeln oder sonstigen Items auf persönlichen Besucherprofilen basierte Empfehlungen ausgespielt werden. Empfehlungen kennt jeder schon heute von allem möglichen Websites, doch sind diese tatsächlich oft nicht besonders treffsicher.

Die automatisierte Personalisierung kann Machine Learning einsetzen, um jedem Besucher die perfekt maßgeschneiderte Erfahrung anzubieten – und zwar bei jedem Besuch der Website. Dabei kommen selbst lernende Algorithmen zum Einsatz. „Die Maschine kann lernen und personalisierte Kundenerlebnisse ausspielen. Das ist nicht mit einem A/B-Test möglich, denn Sie können nicht während des laufenden Tests einen neuen Kandidaten einsetzen. Das wäre, als wollten Sie bei einem fahrenden Auto die Räder austauschen“, so Mériel. „Hier geht das und das ist einfach großartig.“

Nebeneffekt: Weniger Diskussionen

Eine weitere Erkenntnis aus dem Versuch lässt sich nicht nur in Zahlen messen, wird aber im Team sehr geschätzt. „Unser größtes Learning war, dass die KI den ganzen Bullshit aus internen Diskussionen herausnimmt. Wenn es darum geht, welche Variante in einem A/B-Test die bessere ist, dann spielen dabei Meinungen keine Rolle mehr. Wir werfen alles in die Maschine. Die KI entscheidet einfach live was besser ist“, so Meriél. „So sparen wir uns viele Diskussionen – manche Leute mögen das nicht. Aber am Ende überzeugen bessere Zahlen. Und wir haben je nach Experience zwei bis 40 Prozent bessere Ergebnisse.“

Bitte beachte unsere Community-Richtlinien

Schreib den ersten Kommentar!

Melde dich mit deinem t3n Account an oder fülle die unteren Felder aus.